Googleの「待たない翻訳」Gemini 3.5 Live Translate——70言語の同時通訳をうたうが、肝心の遅延は未測定
- 事実として確認できるのは、2026年6月9日の発表と、開発者向けAPI・Google Meet・Google翻訳アプリへの同日3ルート展開です
- 売り文句は「話し終わりを待たず、数秒遅れで訳し続ける」同時通訳型。ただし遅延の実測値はありません
- 独立に検証できる数字は「2026年6月9日」という日付だけ。「70以上の言語」「2000以上の組み合わせ」「数秒の遅れ」はすべてGoogleの自己申告で、言語一覧も評価データも未公開です
- 訳した音声は話し手の抑揚・速さ・声の高さを保つと主張。なりすまし対策として、生成音声すべてにSynthID watermark(不可視の電子透かし)を入れるとGoogleは説明しています(これも主張)
- 今日試せるのはGoogle翻訳アプリと開発者向けpublic preview。Meet統合は「選ばれた」法人客向けの招待制previewのみで、広い展開は「年内後半」の予定です
6月9日、3つの窓口から一斉に出てきた
Googleが出したのは、話し終わりを待たずに訳す「待たない翻訳」です。ただし、いちばん知りたい遅延の実測値は出ていません。2026年6月9日に発表されたGemini 3.5 Live Translateは、片方の言語で話した音声を、文字を介さずそのまま別の言語の音声にして流すspeech-to-speech翻訳モデルで、発表文には「70以上の言語」「数秒の遅れ」と景気のいい数字が並びます。しかし現時点で独立に確認できる数字は、驚くほど少ないのです。
それでも、配り方は本物です。新しいモデルはまず研究デモかAPIだけ、というのが業界の通例ですが、今回は初日から3つのルートに同時に流しています。整理すると次の通りで、この提供形態そのものは発表文で確認できる事実です。
| 提供ルート | 対象 | 段階 | 補足 |
|---|---|---|---|
| Gemini Live API・Google AI Studio | 開発者 | public preview(誰でも試せる試験公開) | サンプルコードがGemini Cookbookに、安全性の詳細はmodel cardにあるとGoogleは案内 |
| Google Meet | 「選ばれた」法人Workspace顧客 | private preview(招待制) | 広い展開は「年内後半」の計画。一般のMeetユーザーはまだ使えない |
| Google翻訳アプリ | 一般ユーザー(Android・iOS) | 順次展開中 | Android限定で、訳をイヤピースから再生する「listening mode」も展開開始と記載 |
「話し終わりを待たない」——なぜ「数秒の遅れ」が核心なのか
従来の翻訳アプリの多くは逐次型でした。話し手が一文を言い終える、アプリが訳す、相手が聞く、の繰り返しで、会話は必ず止まって待つ時間を挟みます。Gemini 3.5 Live Translateは、話している最中から訳を流し始め、数秒だけ遅れてついていく——Googleはそう説明しています。人間の会議通訳者がやる「同時通訳」を機械でやる、という主張です。
従来のアプリは「交互通訳」の通訳者です。あなたが一段落しゃべり終えるたびにメモを見て訳す。丁寧ですが会話は倍の時間かかります。今回Googleが名乗っているのは、国際会議のブースにいる「同時通訳者」——耳で聞きながらほぼ同時に口で訳す職人技です。人間の場合ですら、速く訳すほど訳の質を保つのは難しくなります。機械も同じで、遅延を縮めるほど品質は落ちやすい。Googleはこのトレードオフの存在自体は認めつつ、自分たちがどの位置に落ち着いたのかを数字で示していません。
品質面の主張も並びます。訳した音声は元の話し手の抑揚・話す速さ・声の高さを保ち、なめらかで自然に聞こえる。騒がしい環境にも強い。——どれも魅力的ですが、「なめらか」「自然」「強い」はすべて数値のないベンダー表現です。
名前が挙がる最大のパートナーはGrab(東南アジアの配車大手)で、月1000万件以上とされる自社のドライバー・旅行者間の音声通話でモデルを「テスト中」——テスト中であって、導入済みではありません。CJ ENMやLiveKitなどの好意的なコメントも、Googleの発表文に載った引用である点は割り引いて読むべきです。
「70言語」「2000通り」——検証済みの数字は実は日付だけ
発表に出てくる数字を出所つきで並べます。結論から言うと、独立に確認できる数字は「2026年6月9日」という日付だけで、残りはすべてGoogleの自己申告です。
この発表でいちばん大事な数字は、70でも2000でもなく、まだ出ていない遅延の実測値です。
そのうえで大きいのはMeetの数字の意味です。従来のMeetの音声翻訳は5言語どまりで、しかも英語との間しか訳せませんでした。日本語とスペイン語の参加者が話すには、一度英語を経由するしかなかったわけです。今回の主張どおりなら、70以上の言語のどの組み合わせでも直接訳せることになり、多言語会議から「英語という中継地点」が消えます。ただし繰り返すと、これは招待制previewの段階の計画込みの主張で、第三者が試した記録はこのソースにはありません。
確認できるのは、2026年6月9日にこの発表があったこと、3ルートの提供形態、Cookbookとmodel cardの存在、そしてAndroidのlistening modeが「展開開始」とされたこと——ここまでです。70言語・2000通り・「数秒の遅れ」・騒音への強さは、現時点ではすべて主張であり、発表文には評価が1つも付いていません。
声を写し取る力と、SynthIDという保険
このモデルの気持ちよさの核心——あなたの声の調子のまま別の言語が出てくる——は、そのまま危うさの核心でもあります。抑揚も高さも保って他言語をしゃべらせられるなら、それは技術的には「本人そっくりの声で、本人が言っていないことを言わせる」能力と地続きだからです。
Googleはこのリスクへの答えとして、自社モデルが生成する音声すべてにSynthID(人の耳には聞こえない形で埋め込まれ、ソフトウェアで後から検出できる電子透かし)が入っていると述べています。声のなりすましが現実の詐欺に使われている時代に、生成音声を全量マーキングすると宣言したこと自体は注目に値します。
「聞こえないこと」も「確実に検出できること」も発表文の中では実証されておらず、詳細が書かれているはずのmodel cardの中身もこのソースからは分かりません。保険をかけたという事実ではなく、保険をかけたという主張の段階です。
今日使える人、まだ待つ人——時間軸を整理する
最後に、この発表の時間軸と、確かめるべき点を整理します。
今日この技術に触れる一番の近道は、意外にも無料のGoogle翻訳アプリです。開発者ならGoogle AI Studioで試せます。一方、いかにも本命に見えるMeetの多言語会議は招待制の入口が開いただけで、ほとんどのユーザーにとっては年内後半の「予定」の話です。
逐次から同時への転換は、もし主張どおりなら翻訳アプリの使い勝手を質的に変える一歩です。そして初日からAPI・法人製品・無料アプリに同時展開するという配り方は、Googleにしかできない規模の勝負でもあります。ただし現時点で検証済みなのは発表日と提供形態だけで、「数秒の遅れ」「70言語」「自然さ」はすべて未測定の主張のまま。誰でも触れるpublic previewとアプリが出ている以上、次に見るべきは、第三者が測った遅延、言語別の誤訳率、騒音下での精度です。この3つが出るまで、Gemini 3.5 Live Translateは「すごい製品」ではなく「すごい可能性をうたう製品」として読むのが正確です。このモデルの本当の評価は、その数字が出た瞬間に決まります。